基于小波分析的改进tv方法在保边缘图像去噪中的应用-计算数学专业论文.docxVIP

AbstractThe Abstract The i mproved TV method app I i ed to edge preserved mage deno i S i ng based on wave I et ana I ys i S Major ：Computational Mathematics Name ：Chunyuan Lu Supervisor：Professor Guan LUtai Abst ract Image denoising is one of the basic tasks in image processing，and now wavelet has been widely used in image processing．Wavelet thresholding method which was presented by Donoho is one of the most popular wavelet denoising algorithms．But it not only tend to throw off the important information of image but also bring pseudo-Gibbs phenomena．Thanks for the advantage of total variation model in removing the pseudo—Gibbs phenomena．This thesis presents a new parameter TV model to preserve edge．Our algorithm is efficient in denoising，preserving edge and improving the image quality．It is a more effective denoising method which avoids Gibbs phenomena． Key words：image denoising，wavelet analysis，total variation，TV model II 第一章绪论第一章绪论 第一章绪论 第一章绪论 1．1引言 随着多媒体技术的发展、计算机网络技术的广泛应用和宽带信息网的建立， 信息在人们的工作、学习和生活中发挥着越来越重要的作用，其中最直接、最主 要的信息就是图像。图像是人们获取信息的重要来源，据统计约有8096的信息是 通过视觉系统获取的，图像所包含的信息量和直观性是其它途径如声音、文字所 无法比拟的。但由于在图像的采集、生成、复制、扫描、传输和变换等每个过程 中都会因各种各样的因素产生不同性质的噪声。这些噪声恶化了图像的质量，使 得图像变得模糊，甚至还会淹没某些特征，给分析带来困难。因此，在数字图像 处理技术中，对图像噪声的研究己经越来越重要了。 根据实际图像的特点、噪声的统计特征和频谱分布的规律，研究人员已经提 出了很多去噪方法。传统的滤波去噪方法为线性滤波，如Wiener线性滤波，是 将被噪声污染的图像通过滤波器，滤掉噪声频率成分。但这种方法对于非平稳等 其他信号的处理具有一定的局限性。 小波变换理论由于具有时一频局部性的多尺度分析性质，在信号处理、图像 分析领域得到了广泛的应用与发展。基于小波变换理论的去噪方法有很多，而小 波阈值去噪方法是众多图像去噪方法中的佼佼者，它利用图像小波分解后，各个 子带图像的不同特性进行阈值化处理，得到新的小波系数后，再对其进行反变换， 获得去噪后的图像。但在去除噪声的同时，如何更好的保留图像的边缘、纹理等 重要信息，减少计算量等问题仍是主要的研究方向。 近二十年来，对于图像恢复、图像分割以及主动视觉领域的主动轮廓线模型 的研究，吸引了国内外大批数学家和图像学者的研究兴趣，掀起了基于变分偏微 分方程(Variational—PDE)模型的图像处理浪潮。研究者们普遍认为：在计算机 视觉与图像处理中，图像的边缘是最重要的视觉特征。1992年，Rudin和Osher 提出的全变差(简称TV—Total variation)图像模型被认为是目前比较合理的能 够保持图像边缘特征的图像模型。因此对于全变差模型的改进和数值解法一直都 第一章绪论是一个十分活跃的研究课题。 第一章绪论 是一个十分活跃的研究课题。 1．2图像噪声 1．2．1图像噪声的来源和种类 图像的实质是光电信息，图像噪声的来源主要有以下3方面[1，2] (1)敏感元器件内部产生的高斯噪声。这是由于器件中的电子随机热运动而 造成的电子噪声，这类噪声很早就被人们成功的建模并研究。一般用零均值高斯 白噪声来表示。 (2)光电转换过程中的泊松